Livres Blancs

Téléchargement de Livres Blancs


Utility forecasters cannot assume that one methodology will provide the best forecast from one year to the next. To improve forecast performance, reduce uncertainties and generate value in the new data-intensive environment, they must be able to decide which models, or combinations of models, are best. And they must be able to determine more indicators of the factors that affect load. This paper uses a case study to illustrate how utility forecasters can take advantage of hourly or sub-hourly data from millions of smart meters by using new types of forecasting methodologies. It investigates how a number of approaches using geographic hierarchy and weather station data can improve the predictive analytics used to determine future electric usage. It also demonstrates why utilities need to use geographic hierarchies, and why their solutions should allow them to retrain models multiple times each year.

Vous avez déjà votre profil SAS ? Connectez-vous en utilisant le formulaire pré-rempli.

*  Prénom
*  Nom
*  E-mail
* Société
* Fonction
Adresse

Ville
Code Postal
*  Pays
* Téléphone
Vos remarques et questions :
Souhaitez-vous recevoir occasionnellement par email des informations et notifications d'événements ciblées sur vos centres d’intérêt ?

Seul SAS est destinataire des informations que vous nous communiquez.
Conformément à la loi Informatique et Libertés du 6 janvier 1978, vous disposez d'un droit d'accès, d'opposition et de modification sur les données qui vous concernent. Pour l'exercer, n'hésitez pas à vous adresser à : Responsable CNIL - SAS France - Domaine de Grégy - Grégy-sur-Yerres - 77257 Brie Comte Robert Cedex ou à envoyer un mail à acces_donnees@fra.sas.com.

( * champs obligatoires )